KRAFTON Raon-1 mini 解读：30B 级开权重模型，韩语、Agent 与单卡部署表现如何？

先看结论

KRAFTON AI 的 Raon-1 mini 已以 **preview（预览版）**形式开放。它不是追求最大参数量的旗舰路线，而是一款侧重韩语对话、指令遵循、Agent 与部署效率的 30B 级 MoE 语言模型。

值得关注的是三件事：同档模型对照中的部分推理与代码成绩、官方提供的投机解码方案，以及面向单卡部署的量化选项。但它也有明确短板，不能概括成“所有榜单领先”或“所有电脑都能流畅运行”。

本文依据官方模型卡与体验站进行发布解读。TboxIO 尚未独立复跑基准、测量推理速度或验证单卡部署。资料核对日期为 2026 年 10 月 25 日。 官方明确提示：当前不是最终模型，规格和成绩仍可能变化。

先弄清：30B、A4B 分别是什么意思？

官方将模型简称为 30B-A4B，具体规格如下。

项目	官方说明
总参数	28.8B，约 288 亿
每 token 激活参数	4.3B，约 43 亿
架构	混合注意力 MoE
层数	25 层：18 层线性注意力、7 层全注意力
上下文窗口	262,144 tokens
每 token 参与的专家	6 个路由专家加 1 个共享专家
发布状态	Preview，非最终版
许可证	Apache 2.0

MoE 的意义是每个 token 只激活部分参数，降低计算量；激活参数少，不等于只需要存放这部分权重。估算显存时，仍需考虑整体权重、量化格式、缓存及推理框架开销。

官方描述的混合布局让大部分层使用固定大小的状态，只有部分层保留 KV 缓存。这有助于理解其长上下文效率方向，但不能推出“输入越长也不增加内存”或“256K 请求不增加耗时”。

官方跑分：有优势，也有落后项目

下表摘自 KRAFTON 官方模型卡，属于厂商公布的评测，并非本站实测。数值沿用原表，不把不同基准混合计算平均分。

基准	Raon-1 mini preview	Qwen3.6-35B-A3B	Gemma 4 26B-A4B
MMLU Pro	76.5	85.9	82.9
GPQA Diamond	84.3	83.2	80.7
AIME 2026	93.3	92.9	87.1
IFBench	84.2	66.6	80.9
SWE-Verified	70.8	63.2	61.6
Terminal-Bench Lite	47.0	63.3	52.0
BrowseComp Plus	55.7	34.8	32.2
BFCL v4 Overall	59.8	64.7	65.8

这组对照显示，Raon 在部分数学推理、指令遵循、软件修复和搜索任务上值得尝试；但在 MMLU Pro、Terminal-Bench Lite 和 BFCL v4 上，它并未超过表中的两款对照模型。

对开发者，SWE-Verified 与 Terminal-Bench Lite 的差异尤其值得注意：在仓库中修复问题的表现较好，不代表终端任务也全面更强。应按自己的工作类型选模型，而不是只摘最高的一行成绩。

官方完整表还列出 Qwen3.8-27B、Muse Glimmer 30B 等稠密模型作参考。例如 Qwen3.8-27B 的 GPQA Diamond 为 89.7，高于 Raon 的 84.3。因此，“在所列 MoE 对照中领先部分项目”和“超过所有模型”是两种不同结论。

这次不编造同系列旧版提升幅度；比较对象是官方表中列出的同档模型，而不是一份未经披露的前代成绩。

评测条件不能省略

官方说明 SWE-Verified 使用 mini-SWE-agent 框架。涉及评审与用户模拟的评测注明使用 gpt-5.6-luna；AutomationBench 使用公开划分，并非官方评估集；GDPVal 的数字是评审分数，不是 Elo。

这些限定影响横向比较。尤其不能把这里的 Terminal-Bench Lite 直接与前几篇文章中的其他 Terminal-Bench 版本相减，也不能把不同模型卡、不同工具框架的成绩拼成统一排名。

韩语能力，是它的明确侧重点

模型卡列出韩语、英语、日语、中文、西班牙语、法语和泰语等训练语言，并强调韩语对话。

官方内部 Chatbot Korean 评测给出 Raon 92.9、Qwen3.6-35B-A3B 74.5、Gemma 4 26B-A4B 90.6。它为韩语产品提供了选型线索，但这是未公开的内部对话测试，不能改写成日常韩语回答准确率 92.9%。

如果你的产品需要韩语敬语、口语表达、角色一致性或韩英混合输入，可以优先构建自己的样本集。模型训练中包含中文，也不代表中文业务表现必然等同于韩语。

“最高 2.18 倍加速”，条件是什么？

官方提供配套 DFlash2 草稿模型，用投机解码加速生成：草稿模型提出候选，目标模型验证，尝试减少逐 token 生成的等待。

模型卡中，单张 NVIDIA B300、GSM8K、并发 1 的对照为：自回归解码 296.3 输出 tokens/秒，DFlash2 为 646.3，约 2.18 倍。该组测试使用 MXFP8 目标模型与 vLLM 0.28.0 等指定配置。

这是特定硬件、任务和设置下的厂商结果，不是任何显卡的保证，也不是与其他厂商模型相比的通用速度排名。

并发提升后的总吞吐量也不能当作每位用户都获得的输出速度。实际部署还应分别测首 token 等待、单请求速度、并发吞吐和完整 Agent 任务耗时。

可以在 RTX 5090 或 Mac 上运行吗？

官方提供 MXFP8、NVFP4 等量化选项，并称 NVFP4 支持在 32GB 显存的单张 NVIDIA RTX 5090 上推理。模型卡也列出 Transformers、vLLM、llama.cpp 与 MLX 的运行入口。

这说明有相应的部署路径，不代表任意格式、满上下文和高并发都能在同一配置下运行。Mac 的具体可用内存、量化文件大小、框架支持与上下文长度仍需单独确认；不能从“43 亿激活参数”直接得出“低内存机器一定够用”。

初次验证时，建议先选匹配平台的官方格式，用较短上下文与单并发启动，再逐步增加输入和负载，同时记录内存占用与延迟。

适合怎样的 Agent 工作流？

官方列出 Hermes Agent、Pi 和 OpenCode 等工具框架，可通过兼容 OpenAI 格式的服务接口使用。兼容接口不等于所有工具调用和推理字段都已经适配，应先检查消息格式、工具结果回传及停止条件。

模型卡建议使用思考模式，不建议关闭；代码与数学任务、普通对话和 Agent 任务的推荐采样设置也有区别。复现时应先按官方推荐条件运行，再逐项调参，而不是同时更换框架、提示词和采样策略。

可优先测试韩语客服草稿、可核验的信息整理、小规模仓库修复和明确约束的工具任务。评价重点应是合格结果的完成率、人工修改量和总资源消耗，而不是回答长度。

现在怎么体验，多少钱？

官方体验站提供免登录体验入口，也提供需要申请、邀请与注册的 API 入口。页面明确说明，API 当前为庆祝发布而限时免费，可能有每用户 token 和请求次数限制；未来收费与相关规则会另行公告。

因此，目前不能写成永久免费，也不能补造一个“每百万 tokens 的正式价格”。自行部署还会产生硬件、运行和运维成本，与官方体验站的免费活动是两回事。

权重方面，官方 Hugging Face 页面标注 Apache 2.0；模型卡同时说明仓库设有访问申请。下载前应核对访问流程、所用格式与许可证条款，不要把开权重理解成无需检查使用条件。

值得试吗？我的判断

对重视韩语交互、希望控制部署环境，并愿意自己验证工具链的团队，Raon-1 mini preview 值得加入候选。它的吸引力是可部署的规模、部分任务成绩和配套加速方案的组合。

如果主要需求是通识问答、复杂终端执行或高度稳定的生产服务，应把官方表中的短板和 preview 状态纳入判断。先用相同任务、相同工具权限和预算做对照，确认质量与成本，再决定是否扩大流量。

参考来源

• KRAFTON 官方 Raon-1 mini preview 模型卡：架构、完整对照表、评测条件、推理设置、投机解码和部署入口。
• Raon 官方体验站与 FAQ：体验入口、限时免费及可能存在的用量限制。

预览模型的规格、结果、服务规则可能更新；接入时请以官方最新说明为准。